【摘 要】
：
为改善传统分类算法在小样本遥感图像分类上效果差的缺陷,提升模型的快速学习能力,提出融合迁移学习和元学习的小样本分类算法.设计基于长短期记忆网络的元学习器,通过门控结构拟合网络参数更新方式最下化损失下界,具有自动学习分类器参数更新方式的机制,相比于传统方法,能够有效扩展优化算法的搜索空间;考虑样本的跨类别知识转移和训练时间,利用迁移学习的思想,将不同类别的数据映射到同一特征空间上,对经过表征训练的分类器进行元训练,使分类器更好把握类别的整体特征,加速元学习的训练过程.实验结果验证了该算法的优秀性,为罕见小样
【机 构】
：
南京信息工程大学 计算机与软件学院,江苏 南京 210000
论文部分内容阅读
为改善传统分类算法在小样本遥感图像分类上效果差的缺陷,提升模型的快速学习能力,提出融合迁移学习和元学习的小样本分类算法.设计基于长短期记忆网络的元学习器,通过门控结构拟合网络参数更新方式最下化损失下界,具有自动学习分类器参数更新方式的机制,相比于传统方法,能够有效扩展优化算法的搜索空间;考虑样本的跨类别知识转移和训练时间,利用迁移学习的思想,将不同类别的数据映射到同一特征空间上,对经过表征训练的分类器进行元训练,使分类器更好把握类别的整体特征,加速元学习的训练过程.实验结果验证了该算法的优秀性,为罕见小样本遥感图像分类提供解决思路.
其他文献
为解决复杂驾驶环境中小目标交通标志的高精度检测问题,基于Cascade R-CNN级联模型提出一种多任务级联模型GA-CMF R-CNN(guided anchoring-cascade mask flow R-CNN).采用ResneXt101(32×4d)-FPN作为特征提取网络,确保特征图的语义信息和分辨率信息;采用GA-RPN作为区域生成网络,提高网络特征表达能力;模型融合Mask R-CNN的mask分支,在级联的mask分支间添加信息流,通过对先验框中的目标进行语义分割,提高检测精度.在公开交
为降低高分辨网络模型因级联过多造成的参数冗余,设计一种用于人体姿态估计的并联化高分辨网络模型.通过适当的网络裁剪和并联化结构优化处理策略,对原始高分辨网络模型的消融实验结果进行分析,保留网络的前3个阶段,按第四阶段网络的分辨率构建等尺度的U型网络结构,在多尺度分支的第二阶段与第三阶段中分别并联该结构,保持原网络在同分辨率下的特征融合.针对人体姿态估计数据集MPII与MSCOCO进行检测,并联化高分辨网络的参数量仅为原网络的37％,浮点运算量降低30％.
针对现有依靠穿戴设备、雷达和视频图像人体行为感知的方法对环境要求高,成本高,且不利于保护隐私等问题,提出一种基于信道状态信息无设备且低成本的日常行为识别方法.通过商用WiFi设备采集原始CSI数据,在无需信号进行去噪处理的情况下通过提取原始CSI最大程度能提高识别精度的三阶累积量特征,应用基于互信息的特征选择算法(MIFS)对特征进行筛选,将筛选得到的特征子集输入进粒子群优化算法(PSO)优化过参数的支持向量机(SVM)分类器中以测量性能.实验结果表明,该方法在不同环境下对不同日常动作的平均识别率达到了9
为解决卵母细胞极体不明显时无法有效识别的问题,提出一种基于凹点检测的极体识别方法.结合Otsu算法和形态学操作提取细胞轮廓;通过角点检测和圆形掩膜方法搜索轮廓上的深凹点,设计自适应确定掩膜半径方法和凹凸特征参数判别深浅凹点,筛选出卵母细胞与极体粘连形成的深凹点,确定识别结果.实验结果表明,该方法在极体不明显时识别准确率达92％,耗时仅需97 ms,具有鲁棒性好、自适应性强、效率高等优点,为自动化显微注射中极体识别提供了有效的解决方案.
为提高机构名识别精度,满足关系抽取等下游任务的需求,提出分阶段细粒度命名实体识别思想.利用Bert-BiLSTM-CRF模型对机构名进行粗粒度识别,将机构名视为短文本,采用Bert-CNN对构建的机构名词典训练细粒度分类模型,获取机构名的细粒度标签.实验结果表明,提出的分阶段方法在细粒度机构名识别上F1值最佳达到了0.8117,远超词典匹配方法.
为更准确地预测中小河流水文时间序列变化,建立改进粒子群优化算法(PSO)与长短期记忆神经网络(LSTM)结合的预测模型.提出利用非线性惯性权重变化,加入自适应变异等操作的方法,改善PSO的寻优能力;实现LSTM与注意力机制(attention mechanism)的结合,建立PSO-LSTM组合模型,改变传统LSTM在水文预测中参数选取困难、预测不精准的情况,提高对水文时间序列的拟合能力.通过实验验证了在复杂的水文数据处理中,该模型能更好地适用于中小河流水文时间序列预测.
为在有限的资源下为学生推荐合适的题目,通过对题目的异构数据信息特征(题目-文本、题目-知识点和题目-源代码)的提取,提出基于注意力的神经网络框架(HANN)的推荐题目的设计方案.为在HANN框架上评估文本与源代码、文本与知识点之间的关联,提出两种策略即文本-源代码(TCA)和文本-知识点(TQA);在相似注意的基础上,对每组练习中的相似部分进行测量;开发一个成对训练策略来返回相似的题目集.广泛的实验结果在真实数据下清楚地验证了HANN框架的有效性和解释能力.
针对内核在线分析工具,使用服务器计算函数调用图存在渲染时间长、网络传输数据量大等问题,基于Node.js的前端渲染函数调用图工具FRCG(front-end rendering call graph),使用前后端分离的方式,将数据处理与调用图渲染拆分到前后端分别进行.服务器异步处理请求,返回JSON数据,优化传输数据量.前端页面请求数据,动态渲染函数调用图,页面通过对数据的更新实现图的切换和操作功能,提高调用图的灵活性.对比测试表明,FRCG工具有效提高了函数调用图生成速度,减少了传输数据量.
针对素描图像和可见光图像存在较大模态差异这一问题,提出一种基于转换生成网络的素描人脸识别方法,该网络同时实现跨模态图像生成和素描人脸识别.转换生成网络由生成器、判别器和特征转换网络(S网络)组成.生成器生成图像,判别器使得生成图像具备两种模态信息,S网络提取高级语义特征来辅助生成图像和识别.使用端对端训练来更新模型参数,通过引入识别损失约束项指导生成更好的跨模态图像,通过生成的跨模态图像减少模态差异带来的识别精度损失.在UoM-SGFSv2、e-PRIP等素描人脸数据集上验证该方法识别性能,实验结果表明,
为提高公路隧道照明系统设计的效率和节能水平,基于IESNA LM-62标准的灯具配光数据文件,并以逐点法为照度和亮度计算方法,在VB.net平台中开发面向公路隧道的照明系统辅助设计与优化分析软件.软件包括的功能有:基于车流量、洞外亮度和运行车速的三因素动态调光、各照明区段的长度与亮度分析、灯具回路设计与模式搜索法安装参数优化、各运营工况的照明质量验算、全年能耗估算、自动成图与结果输出等.以一个实际的工程案例展示上述功能,应用结果表明,软件可以为建立公路隧道能耗指标体系、开展节能评价等工作提供数据支撑.